随着产品更新换代速度的日益加快，车间往往面临着多品种小批量加工任务，不同品种、规格的零件加工工况各异，对机床电主轴热误差预测模型的鲁棒性提出了更高要求。针对该问题，提出了一种利用河马优化算法（Hippopotamus Optimization Algorithm，HO）优化长短时记忆网络（Long Short Term Memory，LSTM）的电主轴热误差预测方法。首先，利用正弦余弦优化算法（Sine Cosine Algorithm，SCA）对Kmeans聚类算法的聚类数目K和距离度量方式进行优化，并采用皮尔森（Person）和斯皮尔曼（Spearman）相关性分析方法筛选温度敏感点。接着，将热误差敏感点的温度作为输入建立了电主轴热误差LSTM预测模型，采用HO对LSTM的隐藏层节点数、L2正则化常数、初始学习率进行优化。最后，以EM6050雕铣机为对象进行了实验验证。结果显示：提出的HO-LSTM模型相比海马优化算法优化的LSTM与灰狼算法优化的LSTM模型，热误差预测的MAE分别降低了32%、42%，RMSE分别降低了11%、76%，而且优化过程的收敛速度更快；对于不同工况下的热误差预测，HO-LSTM模型相比后两种LSTM模型，预测结果的RMSE分别降低了6%、4%，平均百分比误差MAPE分别降低了67%、31%，表明所提出的HO-LSTM模型热误差预测精度与鲁棒性更好。
热释电效应诱导的热释电势已被证明是抑制载流子复合和促进电荷输运的有效策略之一。采用水热和烧结两步法制备了g-C_(3)N_(4)/NaNbO_(3)纳米棒复合材料。通过光照加冷热循环降解混合染料(酸性橙AO7、罗丹明Rh B、甲基橙MO和亚甲基蓝MB),复合材料展现了优异的热释电光催化性能。结果表明,无需外部热源,经90 min 10次冷热循环,g-C_(3)N_(4)/NaNbO_(3)对混合染料的热释电光催化降解率达到96.9%,反应速率为0.0386/min。此外,通过不同混合染料浓度、不同pH值、不同水源及5次重复使用的实验表明,复合催化剂具有强的环境适应性和稳定性。自由基探测实验表明,·O_(2)^(-)、·OH和h^(+)是反应中的活性物质,以·O_(2)^(-)和·OH为主。根据捕获实验、Mott-Schottky曲线、密度泛函理论(DFT)计算表明,g-C_(3)N_(4)/NaNbO_(3)增强的热释电光催化活性归因于S型异质结的形成、g-C_(3)N_(4)和Na Nb O_(3)之间的内建电场,以及热释电势导致的能带弯曲,加速了光生载流子的空间分离和迁移。这项工作表明g-C_(3)N_(4)/NaNbO_(3)复合材料是一种有前景的环保型热释电光催化剂,可以通过收集太阳能和昼夜温差热能来净化复杂的废水。
暂无评论